華為又秀了一次AI「大藍圖」

題圖：視覺中國。

今天下午在華為深圳總部，華為輪值董事長徐直軍主持並且「再次」發布了AI晶元——昇騰910，以及華為自己的人工智慧架構MindSpore。

昇騰910和310晶元

之所以說是「再次發布」，是因為在去年華為的年度會議、「全連接大會」2018上，徐直軍已經整體地發布了華為整個「全場景全棧」人工智慧解決方案，整個方案中，就包括了「昇騰910」這顆晶元。唯一不同的是，這一次發布的是實際的晶元產品，並且已經進入了可以商業化的階段。

事實上，在去年的演講中，「昇騰910」的發布日期就已經定到了2019年第二季度，此時「再次」發布也大致符合之前的計劃。

在進一步展開「藍圖」之前，我們還是有必要回過頭再看一下「昇騰910」這顆晶元。作為目前華為AI晶元中最強大的存在，「昇騰910」在理論數據上比AI領頭羊英偉達最先進的V100 GPU還要來的強勁。

前者半精度（FP16）的浮點運算能力能夠達到256TFLOPS，相比之下後者只有125TFLOPS。

但值得一提的是，V100 GPU實際上已經是2017年中發布的產品，即便算是按量產時間2018年計算，華為的產品發布時間都已經晚了一年多。這個時間差肯定會影響性能，正如「昇騰910」採用的7nm工藝顯然比英偉達V100 GPU的12nm工藝先進。但假如將製程的差距考慮進去，華為的這一顆「大」AI晶元應該也是比肩英偉達、谷歌的存在。

藍圖其實比晶元更加重要

要說AI晶元的藍圖，首先我們需要參考的其實是英偉達。

作為近十年來這一大波人工浪潮的「助推者」，英偉達自身除了不斷更新自己的GPU架構，優化每一代架構在人工智慧場景中的性能之外，也在不斷擴展著自己的人工晶元布局。

黃教主的刀法已經將V100 GPU玩出花來了

例如上面提到的V100 GPU，英偉達就一口氣拓展出了HGX、DGX、DGX SuperPOD在內的一系列雲端人工智慧運算解決方案。其中最後一個DGX SuperPOD更是通過1536個V100 GPU實現了全球超級計算機中第22名的浮點計算能力。

除了最強悍的V100 GPU之外，英偉達還有專門針對分散人工智慧推力場景的Tesla P4/T4加速卡；針對自動駕駛、帶有ARM CPU、以SoC平台為核心的「Xavier」自動駕駛解決方案；以及針對機器人和嵌入式平台的小型人工計算平台「Jetson」系列。

這些產品看起來相互獨立，實則相互緊密結合，串聯起它們的，正是英偉達不斷更新的GPU架構。通過應用在不同晶元中的統一架構，英偉達實現了非常多的騷操作。

其中一個例子就「雲端虛擬自動駕駛訓練」，雖然英偉達在自動駕駛端運用的是「Xavier」平台，但是車企可以利用原始數據或者是模擬數據，在雲端的「DGX」中進行完全的虛擬人工智慧訓練，訓練成果最後還能直接導到「Xavier」平台之上。

拋開場景和應用，背後的邏輯其實也非常簡單：

人工智慧包括訓練和推理兩個階段，只有先訓練出人工智慧架構才能去做推理；

不同場景、應用的人工智慧需求是完全不同的，對於人工智慧晶元的需求也是不同的；

假如用同一種晶元架構來做訓練和推理，訓練出來的神經網路就不用進行太多的修改。

在這些基礎邏輯的引導下，其實行業領先的AI晶元廠商都在越做越「廣」。除了上面提到的英偉達，去年年末，Google也發布了其在終端上的晶元「Edge TPU」，目的同樣是要讓更多的場景和應用成為可能。

這個時候我們反過來看華為的規劃，其實也是一樣的。

華為整個人工智慧解決方案中，Ascend「昇騰」系列晶元是最重要的基礎，而且從一開始就被華為分為了5個檔位：Max、Mini、Lite、Tiny、Nano，5個系列也已經有了各自的產品。

而在最關鍵的雲端訓練、多場景推理這兩點上，華為其實也已經給出了自己的想法，未來很可能是以「369」三個系列來不斷推進。其中正在開發（橙色）的昇騰610，是華為今天剛公布的新計劃。未來它將被應用在如自動駕駛之類的特定場景當中。

嚴格來對比的話，華為這一整套人工智慧晶元的布局，在端側和應用側要比英偉達更加落地，但是在雲端方面還有一定差距。但整體的思路上，絕對是相通的。

軟體生態，將決定華為AI能力的存活

大藍圖只有硬體那是絕對不行的，軟體也很重要。因為無論什麼AI晶元，最終說到底吸引越來越多人加入、應用一個公司的AI晶元的主要原因，還是生態。你也可以理解為只有越多人用，才會吸引更多的人。

擴充生態這件事只靠硬體能力顯然不行，這也是華為在人工智慧規劃中面對的最大挑戰，英偉達這樣的「先行者」可以花數年時間不斷地去營造生態，而華為一上來因為硬體已經足夠先進，實際上對軟體提出了非常高的要求，否則軟體就要拖後腿了。

這也為什麼華為不斷地去強調自己的人工智慧架構MindSpore。

市面現在之所以會出現這麼多人工智慧架構，背後實質上就是各大公司希望通過優化架構、提升編程自動化水平、結合更多最新人工智慧技術在內的做法，拉攏更多人工智慧開發者。華為的ModelArts全流程模型生產服務的出發點也是同樣的。

但這還遠遠不夠，在華為的這個「全場景全棧」AI解決的「大藍圖」中，還有CANN、HiAi Engine這樣的存在。這些產品未來如何持續保持進化、與華為的AI晶元如何協同，將會決定華為AI生態的最終走向。

面對著AI，這個人類下一步數字化的大挑戰。相比競爭對手，華為這一套「大藍圖」的打法看起來很合理，並且具有可操作性。

只是前路仍艱，必須繼續加油了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！